全球因子异象检验:真的一旦发表就失效?
由hardsum创建,最终由qxiao 被浏览 214 用户
因子是量化策略的关键,量价因子被大家使用的最多,但是随着多越多的人不断的挖掘因子,因子失效成为我们关注的问题了,那么因子多久会失效呢?看到一篇来自量化藏经阁的文章,分享给大家:
报告摘要
美国市场的因子发布后失效现象 因子的样本外失效问题一直成为近年来学界研究热点。McLean和Pontiff(2016)率先研究了美国股票市场中的97种收益预测指标,他们发现美国市场中因子的多空收益在论文发布后大幅缩水。这种现象可能是源于套利者押注学术出版物上的错误定价,这导致因子在发布后的收益表现比发布前要低。 全球市场的因子异象检验 在本研究中,我们探讨了美国和38个国际股票市场上241个异象在发布前后的影响。我们的分析得出三个关键结论: 首先,美国股票市场是唯一一个统计上显著、具有经济意义、且异象发布后收益率大幅下降的市场。 其次,即使控制了表现相似的异象因子和风险调整后,美国和国际市场之间的差异仍然部分存在,这表明投资管理的结构性跨国壁垒导致了美国和其他地区细分市场的形成。 第三,异象收益主要归因于错误定价而不是数据挖掘。
文献来源
**文献来源:**Jacobs, Heiko, and Sebastian Müller. "Anomalies across the globe: Once public, no longer existent?." Journal of Financial Economics 135.1 (2020): 213-230. **文献亮点:**本文探讨了美国和38个国际股票市场上241个异象在发布前后的影响。我们的分析得出三个关键结论:首先,美国股票市场是唯一一个统计上显著、具有经济意义、且异象发布后收益率大幅下降的市场。其次,即使控制了表现相似的异象因子和风险调整后,美国和国际市场之间的差异仍然部分存在,这表明投资管理的结构性跨国壁垒导致了美国和其他地区细分市场的形成。第三,异象收益主要归因于错误定价而不是数据挖掘。
引言
McLean和Pontiff(2016)率先研究了美国股票市场中的97种收益预测指标,发现多空收益在论文发布后大幅缩水。这种现象可能是源于套利者押注学术出版物上的错误定价,这导致因子在发布后的收益比发布前要低。在本研究中,我们探讨了美国和38个国际股票市场上241个异象的发布后影响。 我们的分析得出三个关键结论。首先,美国股票市场是唯一一个统计上显著,具有经济意义,且异象发布后收益率大幅下降的市场。其次,即使控制了表现相似的异象因子和风险调整后,美国和国际市场之间的差异仍然部分存在,这表明投资管理的结构性跨国壁垒导致了细分市场的形成。第三,异象收益主要归因于错误定价而不是数据挖掘。
实证方法与因子无条件收益
数据
本文从CRSP获取美国的每日股票市场数据,并从Datastream获取所有其他国家的股票市场数据。美国市场(所有国际市场)的会计数据来源为Compustat(Worldscope)。所有市场的分析师收益预测和建议的数据来源为(I / B / E / S)。基准样本期从1980年1月到2015年12月。 Datastream数据预处理部分,做了如下处理:要求股票数据的收益率、市值不可缺失,并且必须在公司的母国进行交易。我们使用Griffin(2010)等人提出的通用行业和公司名称来排除非普通股。我们根据Ince和Porter(2006)提出的方法并通过检查Worldscope的无效日期来确定退市公司。为了消除剩余的数据错误,我们按照Hou等(2011)筛选收益率数据。此外,本文对收益率和市值进行0.1%水平双侧缩尾。为确保我们的发现不受最小和最不流动的股票驱动,我们要求股票的一个月前的市值至少为1000万美元。
选择并测试异象
本文选择具有收益预测能力的变量,建立样本内收益(In-sample)、样本外收益(post-sample)、发表后收益(post-publication)等至少5个有效估计。样本外收益定义为原始样本期间的最后一个月到同行评议期刊发表的月份。发表后收益定义为从发表月份开始。考虑到发表时间不易确定,本文不考虑working paper提出的异象因子。 本文首先复制McLean和Pontiff(2016)提到的97个异象因子中的80个。本文做了以下改进: 第一,排除贝塔和公司规模因子,由于beta(Fama和MacBeth,1973)或公司规模(Banz,1981)发表时间过早,早于本文的样本期。 第二,国际市场数据缺失严重,无法计算基于公司治理代理或短期权益的异象。 此外,本文还增加了161个异象因子的横截面收益,作为第二组数据。这些因子有三分之二直接取自于其他有关市场异象的荟萃分析的最新成果。最后,本文对上述文献没有提到的,但具有统计显著性的横截面异象进行了文献综述。
异象因子的无条件收益
本文样本期内的股票市场范围采用MSCI分类的发达或新兴股票市场。在我们的基准分析中,为了确保在美国和国际市场之间进行有意义的比较,我们仅使用39个至少具有2万个合格异象收益月的股票市场。最终样本共包括约214万个月份。
如图1所示,就覆盖范围而言,非美国的G7国(加拿大,德国,法国,意大利,日本,英国)和澳大利亚与美国市场大致相当。样本时期始于1980年,我们至少可以测试210个符合条件的异象因子,这些收益月份超过6.9万个。考虑到它们的经济重要性,庞大的股票市场以及高度的数据可用性, G7 +澳大利亚的样本非常适合在我们以后的大多数测试中用作国际基准。 图1还显示了每个国家的无条件收益幅度。在我们样本中的39个国家中,所有国家(除5个国家)等权(市值加权)异象收益在1%的水平上显着为正。在36个国家/地区中,等权投资组合的点估计值大于市值加权投资组合的点估计值。这一发现与对于较小的股票,错误定价和套利限制往往会更强相一致。除日本外,就多空异常收益而言,G7 +澳大利亚样本与美国市场大致相当。但是,这些发现是基于整个样本时期的,因此无法区分样本内或发布后的可能差异。本文接下来主要探讨异象收益的时变特征。
异象发表对全球异象因子的影响
基准结果
我们以美国市场的异象因子表现作为基准,与单个国际市场或者整个国际市场进行比较。 我们采用两种方法衡量整个国际市场的表现,第一种是合并各个国家多空收益,第二种是构建一个综合的国际多头空头投资组合。第一种方法中,观察单位是国家级别的每月多空回报。在异象数量固定的情况下,特定国家/地区的权重保持稳定。此方法的缺点是,它只对那些只有少数合格公司的小型市场赋予较大权重。该方法可以很好地表明异象因子发表后的收益变化。第二种方法中,观察单位是来自所有合格的非美国市场的每月多空收益总和。对于给定的回报预测指标以及每个国家,我们分别构建多头-空头投资组合。然后,将这些国家/地区多头和空头投资组合中包含的所有股票汇总到一个全球投资组合中,计算每月的复合收益。
如图2所示,美国市场中,等权投资组合收益从样本中的74个bp降至样本外的47 bp,以及发表后的29 bp。对于市值加权投资组合回报,相应的数字为49 bp,31 bp和16 bp。在国际市场上,样本内,样本外和发表后期间之间没有明显的区别。 为了进一步测试异象因子的发表对因子表现的影响,本文建立如下回归: \n 图3报告了国家/地区级回归结果,该结果量化了样本外和发表后相对于样本内收益的平均变化。图4报告了国际市场的整体结果。结果表明,只有美国市场的样本外、发表后虚拟变量系数显著为负,国际市场个体之间存在较大差距且统计不显著。整体来看,国际市场在样本外异象收益有所增加,发表后的收益变化不显著。
因子库的改变
本节将异象因子分为多类,分别从事件驱动、基本面、规模、估值等子样本研究,结果表明,基本结论并未改变。
控制时间效应
本节对收益在时间序列上的特点进行了分析,分别测试了时间序列模型与固定效应模型调整后,虚拟变量的系数是否仍然保持显著。
考虑风险因子暴露
投资者可能主要关注Alpha,而不是原始的多空收益。美国的资产组合在本地风险因素敞口方面可能与国际不同,这可以解释我们基准结果中的部分差异。在图6 Panel C和D中使用CAPM和三因子模型检验风险调整后的收益。本文基本结论不变。
套利成本的影响
本节探讨了套利限制对全球异象因子和异象发布后的影响。第一,我们重点讨论跨市场套利成本的差异对本文主要结论的影响。第二,关注市场内部存在的套利成本对本文主要结论的影响。
跨市场套利成本的差异
套利的许多限制与公司特征有关,本文以公司规模与相似因子收益能力来衡量套利成本。在此我们根据公司规模划分了三个子样本,如图7所示。随着公司规模的增大,针对异象发布带来的收益锐减现象,美国市场与非美国市场的差异在减弱。
由于美国市场的异象因子在样本内收益普遍高于国际市场,套利者可能对美国的因子多有青睐。为了排除这一因素,本文将美国市场和国际市场的具有相似特性的异象因子做了匹配,遵循以下两个条件:第一,样本内月收益超过50bp。第二,美国和国际市场的样本内收益的绝对差值必须小于25bp。 如图8所示,在匹配了相似收益能力的异象因子后,美国市场组合收益仍然在样本外以及发表后大幅下降。其他市场的系数在统计上并不显著。这进一步证明了美国市场与国际市场存在的投资壁垒。
市场内套利成本的差异
如果收益的可预测性是定价错误的结果,那么异象套利成本较高的股票应产生更高的多空收益。为了检验这个假设,我们考虑了五个广泛使用的套利成本变量:(1)异质风险,计算为特定国家的Fama和French(1993)从股票的每日超额收益的滚动回归中获得的残差标准差。(2)滞后的公司规模;(3)Amihud(2002)计算的流动性不足;(4)美元的交易量;(5)Corwin和Schultz(2012)估计的买卖差价。我们还计算了套利指数的总限制,作为五个代理的第一主要成分。 本节首先根据套利成本的代理变量进行排序打分,根据组合持股,平均后得到异象因子每月的套利成本打分,并标准化。然后,用异象收益对样本外、发表后虚拟变量和套利成本变量回归。结果显示,这些套利成本变量显著为正,验证了异象收益的差异并非来源于过度数据挖掘,而是一种错误定价。
结论
美国市场的因子发布后失效现象 因子的样本外失效问题一直成为近年来学界研究热点。McLean和Pontiff(2016)率先研究了美国股票市场中的97种收益预测指标,他们发现美国市场中因子的多空收益在论文发布后大幅缩水。这种现象可能是源于套利者押注学术出版物上的错误定价,这导致因子在发布后的收益表现比发布前要低。 全球市场的因子异象检验 在本研究中,我们探讨了美国和38个国际股票市场上241个异象在发布前后的影响。我们的分析得出三个关键结论: 首先,美国股票市场是唯一一个统计上显著、具有经济意义、且异象发布后收益率大幅下降的市场。 其次,即使控制了表现相似的异象因子和风险调整后,美国和国际市场之间的差异仍然部分存在,这表明投资管理的结构性跨国壁垒导致了美国和其他地区细分市场的形成。 第三,异象收益主要归因于错误定价而不是数据挖掘。